腾讯 pcg->ieg 前端面经

自从这次挂了之后一直到3.26我都没被阿腾捞，哎...（！被捞了 面经过几天再更）个人觉得这次面试也没这么糟糕吧，八股我觉得都答上来了，比wxg那次好多了，但还是挂了，哭哭自我介绍问我学前端学了多久了（时间不长，也就半年左右吧）为什么会学前端有了解服务端相关的知识吗（想问nodejs但我不会，给他打住了）输入一个url到页面出现内容的过程基于这个过程 对网页能做哪些性能优化我项目中用的图片格式（我实习纯做表单 不用图片）http2多路复用的原理 多路复用复用的是什么 是同一域名吗 这些请求是按什么顺序返回的（有序还是乱序）http3相关（为了解决http2本身存在的什么问题）http3是怎么改进和实现的 http2阻塞的是什么呢tcp和udp的区别浏览器缓存（cookie localstorage sessionstorage）登录信息可以用localstorage吗？怎么选择用cookie还是localstorage？（我当时回答可以利用是不是受信任的电脑来判断，被反问怎么确认这个电脑是不是受信任的）彼此有什么优势和劣势？cookie的特性？cookie有哪些属性cookie访问遵循的原则，不同域名之间可以访问吗浏览器的同源策略？想请求不同域名的后端接口，怎么解决跨域问题如果这个接口跨域了，接口是正常返回还是怎么被拦截了（简单请求）想问返回结果是什么样的 拦截是哪里拦截的？服务端返回的是什么呢？是正常返回还是返回异常了？网络缓存（js文件css文件的缓存策略 其实就是想问强缓存协商缓存）没写完，明天接着写，写一半打游戏去了33:12

暑期实习的面试也是三次面试，这里以数据分析为例 大家可以感受下每一次面试的侧重点，还没投递的同学也尽快 占住排序很重要 往届有很多我熟悉的学生因为投递迟了，后面通过了面试但是offer发不下来 网申网址：https://careers.oppo.com/university/oppo/campus/post?shareId=9445投递时，填我的推荐码：X7206892 优先筛选 然后可以跟进进度哈 你入职了我也有奖金的 主打互惠互利！其实 oppo 本质还是属于制造业，很多业务领域的问题不像互联网一样有通用解决方案，所以用机器学习来解决是常用的方法因此算法层面还是有一定要求的...

部门与岗位：TEG - 混元大模型团队 - 大模型对齐一面自我介绍，过实习，讲论文，论文过的比较细，有说的笼统的地方面试官会实时进行询问交流了解哪些大模型，简要挑一两个介绍一下，当时说了 Qwen 和 DeepSeek，然后面试官又问了这两个有什么区别接着上一问，为什么大家都开始探索 MoE 架构，MoE 相比 Dense 有什么好处在之前实习的时候用 LoRA 微调过 Qwen，于是问了有没有全量微调过，有没有对比过两者的性能表现讲一下大模型训练和推理的流程，SFT 和 RLHF 的作用分别是什么在 RLHF 中，目前主流的强化学习算法有哪几个，写一下损失函数的表达式代码：22. 括号生成代码：多头自注意力一面问的八股还是比较多的，问的也比较细，而且还写了两道代码题，整个面试花的时间也比较多，大概一个半小时左右二面自我介绍，过实习和论文，面试官会一起进行探讨，包括工作的动机、贡献和结果，也会提一些问题和建议之前实习用 DeepSpeed 微调过 Qwen2-72B，于是面试官问了 ZeRO-1，ZeRO-2，ZeRO-3 三个模式的区别当时你用 DeepSpeed ZeRO-3 来微调 Qwen2-72B，每一张卡占用的显存大概是多少，估算一下为什么是占这么多的显存除了 DeepSpeed，还用过其他的什么优化方法吗我看你也用到了 LoRA，知道 LoRA 的原理吗，A 和 B 两个矩阵怎么初始化，有了解过其他的初始化方法吗对 RLHF 了解的多吗代码：3. 无重复字符的最长子串二面更多的是结合具体的工作来问的，从用到的东西来引出问题，问的也比较灵活。当然因为部门主要是做对齐的，所以也大概聊了聊 RLHF三面自我介绍，挑一个觉得做的比较好的论文和实习讲一下，面试官问的比较详细，为什么选现在这种方案，为什么 work，其他方案有考虑吗在微调 Qwen 的时候，数据是怎么构造的，有用到什么数据清洗方法吗，数据配比是怎么做的讲一下 RLHF 的流程，之前有用 RLHF 做过模型对齐吗在做对齐的时候，为什么 SFT 之后还要做 RLHF，只用 SFT 可以吗知道哪些强化学习算法，除了 PPO 和 DPO 这些呢，DeepSeek 用的 GRPO 相比于 GPT 的 PPO 做了哪些改进开放题：对目前大模型的发展有什么看法代码：零钱的两个题 322. 零钱兑换518. 零钱兑换 II三面面试官更聚焦于对齐这一块的内容，考的比较深。由于之前没有接触过强化学习，答得还是比较吃力的，不过面试官还挺好的，会一起讨论来做引导四面自我介绍，过论文和实习，问的也比较细，这里能明显的感受出来面试官的视角更系统，会把这些工作串起来问我看你简历上没写 RLHF，平常有用过 RLHF 吗推导一下神经网络反向传播的过程一道排列组合的概率题开放题：你觉得大模型目前还有哪些可以改进的点四面整体更看重思维和基础，没有考察什么八股总结一共四轮技术面，整体来说强度比较大，对于大模型八股的考察比较细，对大模型的理解问的也比较深刻，包括一些数理逻辑基础，考察的比较全面需要内推码的可以用下面这个链接：内推链接：https://join.qq.com/resume.html?k=ANQI6RfQ3rhPS2dpyIkeSw#26届实习##大模型##八股##面经##腾讯##内推#

 目前硕二，cv方向，求内推 #社招#  #内推#